基于空间网格尺度的中国PM2.5污染健康效应空间分布

以全国城市空气质量实时发布平台的监测数据为基础，运用空间插值法模拟中国PM_2.5在10kmx10km空间网格尺度上的暴露水平，利用BenMap工具估计2017年中国PM_2.5污染的健康损失，在城市尺度上对PM_2.5污染的健康经济损失进行空间分析.结果表明，在统计意义层面上，2017年PM_2.5污染共计造成我国321435例早逝、746078例住院、14877551例患病，健康经济损失约为12625亿元，占当年全国GDP的1.53%.从城市尺度来看，健康效应呈现出一定的空间聚集效应，京津冀地区城市较为严重.在空间分布上，主要以“高-高”型和“低-低”型分布为主，即健康经济损失高值城市相互聚集、健康经济损失低值城市也相互聚集，并且存在高值城市之间相互影响并逐渐向四周扩散，进而影响周围低值城市的现象.     

陕西省PM2.5时空分布及影响因素区域差异研究

为了解陕西省PM_2.5分布特征及影响因素区域差异,基于陕西省2019年PM_2.5浓度数据,采用空间数据统计方法、空间自相关分析法和地理探测器法对PM_2.5时空分异特征及驱动因素进行探究,以期为陕西省PM_2.5研究与治理提供可靠的科学依据。结果表明：陕西省PM_2.5污染呈“冬高夏低”、“中部高、南北低”的特点。陕西省PM_2.5浓度空间分布表现为极显著的空间正相关性,陕南部分县域为低低聚集区,关中地区渭南、西安、咸阳部分县域为高高聚集区。对陕西省PM_2.5浓度影响最大的是社会经济因子(0.328—0.548),陕北地区为GDP(0.932),关中地区为人口密度(0.936),陕南地区为相对湿度(0.710)。交互探测结果表明：陕西省主导交互因子为人口密度∩GDP,各种复杂的自然因素和人为活动因素耦合会大大加强对PM_2.5浓度的解释力。     

基于多站混合受体模型的临汾市PM2.5潜在源分析

利用重污染城市临汾多个站点2018~2019年的PM_2.5浓度监测数据,分析了不同季节临汾市PM_2.5污染特征及其空间自相关度和集聚模式,最后引入多站受体模型分析临汾市PM_2.5潜在源区.研究发现,临汾市的PM_2.5污染主要集中在临汾盆地内的8个区县,包括尧都、襄汾、洪洞、霍州、侯马、古县、曲沃和翼城,这8个区县的PM_2.5年平均浓度均超过50μg/m³,冬季平均浓度均超过100μg/m³.PM_2.5空间分布特征与地形关系密切,临汾盆地内的8个站点空间自相关度很高,PM_2.5高浓度区（高-高聚类）主要集中在盆地内部,说明邻近区县污染是临汾市主城区PM_2.5浓度居高不下的重要原因.结合多站混合受体模型（MS-PSCF和MS-CWT）分析临汾PM_2.5潜在源区,发现临汾市春季的潜在源主要集中在东北、西南和东南部,大部分为中远距离传播;在夏季,潜在源影响明显低于其他3个季节,主要在东部;秋季的潜在源主要集中在西南方向的一些地区;冬季的潜在源主要集中在东南和西南方向以及临汾市北部近距离区域.除夏季外,其他3季共同的潜在源区是陕西中南部地区（位于西南方向）,且PSCF值均超过了0.7,说明在西南风时,临汾市发生污染的概率超过70%.     

汾渭平原PM2.5浓度的影响因素及空间溢出效应

基于实时监测和遥感反演数据,利用空间自相关分析和空间回归分析等方法,探讨了汾渭平原2015~2017年PM_2.5浓度时空变化规律和影响因素,揭示了各因素的空间溢出效应.结果表明：（1）2015~2017年汾渭平原PM_2.5浓度逐年上升,主要由采暖期（11月~次年3月）的快速上升引起,非采暖期（4~10月）年际变化不大.（2）PM_2.5月均浓度变化曲线呈底部宽缓的U型,采暖期PM_2.5污染明显高于非采暖期,超标天数占全年总超标天数比例由2015年的75.0%上升到2017年的83.4%.（3）2015~2017年,除铜川和三门峡外,各城市PM_2.5浓度都有不同程度的上升.咸阳至运城间的平原地区和洛阳盆地污染最严重,已形成连片的高污染区域,且区域内城乡差异小.临汾及其上游平原地区其次,但主要分布在城镇,城乡差异较大.（4）空间回归分析表明,汾渭平原PM_2.5浓度有显著的空间溢出效应.年均气温、城镇化率、能源消费指数和年均人口不仅与本地PM_2.5浓度有显著的正相关,而且会加重邻近地区PM_2.5污染.年降水量和地形起伏度则不仅与本地PM_2.5浓度有显著的负相关,而且能降低邻近地区PM_2.5浓度.风的传输作用能加重本地PM_2.5污染,植被覆盖度能消减本地PM_2.5浓度,但其间接效应都不显著.     

基于LUR模型的2019年北京地区PM2.5与PM10浓度空间分异模拟

在城市区域内,空气污染物的浓度在小范围内存在显著差异,而离散的地面监测点分布不均匀,且监测范围有限,无法满足污染物暴露评估等研究的需求.本研究基于GIS空间分析和多元逐步回归的模型构建的方法,建立了土地利用回归（LUR）模型,并模拟了北京市2019年PM_2.5和PM₁₀浓度的空间分布特征.选择土地覆盖数据、气象数据（风速、降水、温度）和植被覆盖度数据等预测变量,以研究区34个监测站点为中心建立0.1~5 km共7个系列缓冲区,表征不同尺度下各变量对PM_2.5和PM₁₀浓度的影响.研究结果表明：①进入PM_2.5回归模型中的变量有：年均风速、温度、降水量和周围中等植被覆盖、耕地和不透水面的面积;进入PM₁₀回归模型中的变量有：年均风速和周围中等植被覆盖的面积.两个模型的调整R²分别为0.829和0.677,模型精度较高.②抑制污染物浓度的变量,影响力随着空间范围扩大而增强;使污染物浓度增加的变量,影响力随着空间范围缩小而增强.③浓度模拟结果显示,PM_2.5和PM₁₀在西北部山区浓度较低,南偏东的城区浓度较高,并且向南有逐渐增加趋势.4植被覆盖度这一变量不仅进入了上述两个方程,且影响力都强于其他土地利用类型,故以后的模型改进应该考虑植被覆盖度这一因素.     

城市微环境PM2.5浓度空间分异特征分析

以长沙市主城区为例,在203个地面点通过加密观测并获取PM_2.5浓度小时观测值,辅以同步常规稀疏国控点PM_2.5浓度观测数据,在点、面尺度对比分析加密、稀疏两种观测模式下城市微环境PM_2.5浓度空间分布的特征差异.结果表明：地面加密观测模式下PM_2.5浓度高值区主要集中在道路、地表扬尘、住宅小区、医院和工业园等人群、车辆活动的微环境场景;低值区主要出现在公园景区等高植被覆盖度区域.同一空间点位,地面加密观测PM_2.5浓度值均高于常规稀疏国控点PM_2.5浓度观测值,平均高出29.71μg/m³.反距离权重空间插值制图揭示地面加密观测模式下的PM_2.5浓度呈现明显的西北部高（>75μg/m³）、中部和南部居中（65~75μg/m³）、东部低（<55μg/m³）的三级阶梯式异质特征,剖面分析各向波动较大.相比,稀疏国控观测模式空间分布图仅能反映主城区PM_2.5浓度整体较低（<55μg/m³）、除北-南向之外各向剖面PM_2.5浓度相对无明显变化的格局.与此同时,稀疏国控观测模式在地面加密观测点估算的PM_2.5浓度同样显著低于实际观测值,所揭示的研究区高值PM_2.5浓度微环境为道路、地表扬尘、汽车站.研究结果证实,出于环境保护目标建立的空气质量国控监测点难以精确反映同点位近地面PM_2.5浓度,所识别的城市高低PM_2.5浓度值微环境与真实情景存在偏差,空气质量越优等级下偏差越大.     

城市环境PM2.5空间分布监测方法研究进展

随着城市化和工业化的发展,城市环境中日益增多的PM_(2.5)对人类健康造成了严重威胁。本文旨在分析总结目前PM_(2.5)空间分布的相关监测方法以及空气质量预测模型。当下,PM_(2.5)浓度的监测不仅涉及大气化学、污染物的源解析、大气化学运输模型、线性及非线性空气质量模拟等方面,还涉及地理信息系统与卫星遥感等新技术的运用。本文在比较传统PM_(2.5)监测与新型监测方法不同的基础上,分析了各自的优劣,为空气质量监测提供建议和指导。     

陕西省PM2.5浓度空间维度分析与预测

文章基于陕西省2014年1月-2020年12月59个空气站的空气质量数据,对陕西省各城市PM_2.5浓度及其影响因素进行分析和预测。通过绘制陕西省各城市PM_2.5浓度及其变化的热度图和折线图可以发现,西安、宝鸡、咸阳以及渭南这4个城市的PM_2.5浓度存在一定的同期变化性。利用全局、局部莫兰指数对陕西省各城市PM_2.5浓度的空间效应进行检验,结果表明,陕西省各城市PM_2.5浓度具有正向的空间自相关性,其中西安、咸阳和渭南呈现出较强的PM_2.5高浓度聚集效应。考虑到地理位置对PM_2.5浓度的影响,建立陕西省各城市PM_2.5浓度与PM₁₀、O₃、NO₂、SO₂、CO浓度的空间变系数模型。通过绘制解释变量回归系数估计值的3D散点图可以发现,PM₁₀、NO₂及CO浓度等在不同的地理位置对PM     

基于Informer的PM2.5浓度预测

针对现有PM_2.5浓度时序预测模型预测精度不高的问题,基于Informer建立了1个Seq2Seq的单站点PM_2.5浓度多步时序预测模型,以历史污染物数据和气象数据为输入,实现对未来一段时间PM_2.5浓度的预测。所构建模型基于ProbSparse (概率稀疏)自注意力机制提取所输入的序列信息,能够广泛地捕获输入序列的长期依赖信息,并对影响因子之间复杂的非线性关系进行建模,从而提高预测准确度。采用北京市2015-2019年逐小时空气污染物数据与气象数据进行模型训练、验证和测试,建立与循环神经网络(RNN)、长短期记忆网络(LSTM)的对比实验并与其他现有研究方法进行比较,结果表明:对未来1~6 h的PM_2.5浓度时序预测,Informer的平均绝对误差(MAE)、均方根误差(RMSE)和可决系数(R2)指标均为最好,实现了较为准确的预测。     

中国PM2.5管理策略研究

文章通过对PM2.5的基本组成、来源与影响因素的分析,构建中国PM2.5全过程管理体系,建立、完善PM2.5削减和控制长效机制,进而实现中国PM2.5管理。     

基于城市面板数据的PM2.5对公共健康的影响

基于Grossman健康生产函数,利用2008~2017年全国280个城市的面板数据,以PM_2.5为空气污染的代表指标,探讨中国空气污染与公共健康之间的动态关系,考虑到公共健康的空间效应,采用空间计量模型进行实证研究.结果表明,在未考虑空间效应的情况下,PM_2.5浓度每增加1%,城市总人口死亡率增加0.040%;考虑空间效应后,PM_2.5浓度每增加1%,城市总人口死亡率增加0.0606%.PM_2.5污染对公共健康具有显著的负面影响,由于存在空间溢出效应,PM_2.5污染对城市公共健康水平的影响程度增加,表明忽视空间相关性的存在,会低估PM_2.5污染对公众健康的影响;而经济发展水平的提高以及产业结构的调整对公共健康有较强的改善作用.     

基于城市面板数据的PM2.5对公共健康的影响

基于Grossman健康生产函数,利用2008~2017年全国280个城市的面板数据,以PM_2.5为空气污染的代表指标,探讨中国空气污染与公共健康之间的动态关系,考虑到公共健康的空间效应,采用空间计量模型进行实证研究.结果表明,在未考虑空间效应的情况下,PM_2.5浓度每增加1%,城市总人口死亡率增加0.040%;考虑空间效应后,PM_2.5浓度每增加1%,城市总人口死亡率增加0.0606%.PM_2.5污染对公共健康具有显著的负面影响,由于存在空间溢出效应,PM_2.5污染对城市公共健康水平的影响程度增加,表明忽视空间相关性的存在,会低估PM_2.5污染对公众健康的影响;而经济发展水平的提高以及产业结构的调整对公共健康有较强的改善作用.     

宁波市环境空气中PM10和PM2.5来源解析

2010年在宁波3个环境受体点采集不同季节的PM10和PM2.5样品,同时采集颗粒物源类样品,分析它们的质量浓度及多种无机元素、水溶性离子和碳等组分的含量.采用OC/EC最小比值法确定了SOC(二次有机碳)对PM10和PM2.5的贡献,据此重新构建了受体化学成分谱.使用化学质量平衡模型对宁波市区的PM10和PM2.5来源进行了解析.结果表明:城市扬尘、煤烟尘、二次硫酸盐和机动车尾气尘是环境空气中PM10的主要来源,其分担率分别为23.0%、15.9%、13.3%和12.3%;对PM2.5有重要贡献的源类是城市扬尘、煤烟尘、二次硫酸盐、机动车尾气尘、二次硝酸盐和SOC,其分担率分别为19.9%、14.4%、16.9%、15.2%、9.78%和8.85%.      

北京市PM_(2.5)的研究进展

PM2.5是指大气中动力学直径≤2.5μm的颗粒物,也称为可入肺颗粒物。北京的大气污染是我国在快速发展过程中出现的典型的城市大气环境问题的代表,具有明显的烟煤型污染与光化学污染相结合的复合型污染特征,北京市PM2.5的污染已经相当严重。为了进一步研究北京市PM2.5的特性,对北京市PM2.5的污染特征、化学组成、源解析方面进行探讨,并提出了相应的防治对策。     

东北亚冬季PM2.5水溶性离子空间分布特征及来源

为探讨东北亚冬季PM_2.5水溶性离子空间分布特征及来源,测定了2017~2018年沈阳冬季PM_2.5水溶性离子浓度.结果显示：沈阳冬季PM_2.5水溶性离子平均质量浓度为28.5±11.9μg/m³,二次离子（SO₄^2-、NO₃^-和NH₄⁺）的浓度最高,分别占总水溶性离子质量浓度的31.0%、22.4%和19.2%.运用离子化学计量学关系、相关性和主成分分析,探讨了沈阳冬季PM_2.5水溶性离子的可能来源.并整合了东北亚冬季（中国东北、韩国、日本）近20a来PM_2.5水溶性离子数据,发现沿着东亚冬季风,东北亚冬季PM_2.5水溶性离子浓度从中国东北,经韩国海岸、韩国和济州岛,日本海岸至日本整体呈下降趋势,在韩国和日本出现局部上升,且在不同区域,不同水溶性离子占比明显不同.其中,韩国冬季PM_2.5中SO₄^2-、Ca²⁺和K⁺受外来源影响显著,NO₃^-和NH₄⁺主要来自本地源,Cl^-、Na⁺和Mg²⁺主要来自本地源或海源;日本中部冬季PM_2.5中SO₄^2-、NO₃^-、NH₄⁺和K⁺主要来自本地源,Cl^-、Ca²⁺、Na⁺和Mg²⁺主要来自本地源或海源.     

中国PM2.5污染状况和污染特征的研究

近10余年来在中国的城市地区和清洁地区进行了 PM_2.5的采集和分析,其中包括PM_2.5的质量浓度、离子和元素成分、酸度和酸化缓冲 能力以及来源解析,研究结果表明,中国大部分地区PM_2.5的污染较重,不论是质量浓度,还是各种主要成分浓度,在TSP和PM₁₀中都占有很 高的比重,而PM2.5的酸度也远远高于TSP和PM₁₀,特别是近年来PM_2.5污染还有相对加剧的趋势。      

青岛环境空气PM10和PM2.5污染特征与来源比较

年分别在青岛设6个和2个采样点采集PM₁₀和PM_2.5样品,分析二者质量浓度及颗粒物中多种无机元素、水溶性离子和碳等组分的质量浓度,以研究PM₁₀及PM_2.5的污染特征. 采用CMB-iteration模型估算法,确定一次源类及二次源类对PM₁₀和PM_2.5的贡献,利用统计学方法比较PM₁₀和PM_2.5的污染源. 结果表明:青岛大气颗粒物质量浓度季节变化显著,表现为春、冬季高,夏、秋季低;Na、Mg、Al、Si、Ca和Fe元素主要富集在PM₁₀中,SO₄2-、NO₃-、EC和OC主要富集在PM_2.5中;城市扬尘、煤烟尘、建筑水泥尘及海盐粒子等粗粒子在PM₁₀中的分担率较PM_2.5中的高,分担率分别为28.7%、17.2%、7.16%及4.47%;二次硫酸盐、二次硝酸盐、机动车尾气尘及SOC(二次有机碳)等在PM_2.5中的分担率较PM₁₀中的高,分担率分别为19.3%、8.97%、13.7%及6.07%;由PM₁₀与PM_2.5化学组分的分歧系数可见,春、秋季PM₁₀和PM_2.5化学构成存在一定差异,而冬、夏季二者的化学构成相似.